تعتبر أنظمة تحويل النص إلى كلام (Text-to-Speech - TTS) جزءًا أساسيًا من تقنيات الذكاء الاصطناعي المعاصرة، لكن تطويرها تقليديًا يتطلب ملايين الساعات من البيانات وطرائق معمارية معقدة، مما يشكل عائقًا أمام الفرق البحثية ذات الموارد المحدودة. هنا تأتي أهمية PilotTTS، النظام الجديد المبتكر الذي يقدم أداءً تنافسيًا من خلال بنية بسيطة ونهج دقيق في معالجة البيانات.

PilotTTS يعتمد على 200 ألف ساعة من البيانات التي تم تجهيزها بالكامل باستخدام أدوات مفتوحة المصدر، مما يسهل عملية تطويره ويجعله متاحة لعدد أكبر من الباحثين. يتميز النظام بنموذج مدمج يستخدم تقنية Q-Former لربط هوية المتحدث بأسلوب الكلام عبر تدريب عابر للعينات، وهو ما يسمح بإنشاء نسخ مكبرة من الأصوات وتوليد مشاعر متعددة.

علاوة على ذلك، يدعم PilotTTS مجموعة متنوعة من ميزات التوليد الصوتي بما في ذلك النسخ الصوتي الخالي من البيانات السابقة، وتوليد مشاعر مختلفة عبر 11 فئة، بالإضافة إلى توفير عدة لهجات الصينية. وفقًا لاختبارات معيار Seed-TTS، حقق PilotTTS أدنى نسبة خطأ في التعرف على الكلمات 1.50% في مجموعة الاختبار الإنجليزية و0.87% لمجموعة الاختبار الصينية، مما يؤكد كفاءته العالية مقارنة بالأنظمة الموجودة.

يمكن للباحثين والمطورين الوصول إلى جميع الخوارزميات والأوزان المدربة مسبقًا عبر الرابط المخصص على GitHub، مما يتيح لهم الاستفادة من التجارب والدروس المستفادة لتطوير مشاريعهم الخاصة في مجال تحويل النص إلى كلام.